بخشی از مقاله
چکیده
ارزیابی کارایی سازمانها در جهت گیري تصمیمات آتی آنها نقش اساسی دارد. در این راستا میبایست میزان کارایی و بهرهوري سازمانها مورد محاسبه قرار گیرد تا از این طریق بتوان در تصمیم سازيهاي آتی، روند رشد اقتصادي را زیر نظر داشت. تحلیل پوششی دادهها، یکی از ابزارهاي مناسب و کارآمد در این زمینه میباشد که به عنوان یک روش غیر پارامتري به منظور محاسبه کارایی واحدهاي تصمیم گیرنده استفاده میشود.
روش تحلیل پوششی داده هاي سنتی واحد هاي تصمیم گیري را به صورت یک جعبه سیاه در نظر گرفته و بدون در نظر گرفتن ساختار داخلی آنها و با توجه به میزان نهاده ها و ستاده هاي نهایی این واحد ها، نسبت به ارزیابی آنها اقدام می نماید. این در حالی است که در بسیاري از سیستم هاي واقعی ما شاهد ساختار هاي داخلی می باشیم. به همین منظور مدلهاي شبکه اي تحلیل پوششی داده ها توسعه و گسترش یافته اند. مدلهاي سري تحلیل پوششی داده ها یکی از مدلهاي شبکه اي بوده که در آن زیر سیستم ها به صورت سري قرار گرفته و خروجی هر واحد، ورودي مرحله بعدي می باشد.
مدلهاي تحلیل پوششی داده هاي سري با این فرض که داده هاي مدل کاملا مطلق بوده و اطمینان کامل در خصوص ورودي ها و خروجی ها وجود داشته است توسعه یافته اند و توانایی برخورد با عدم اطمینان را در مورد داده ها ندارند. در این مقاله در نظر داریم تا با ارائه یک مدل استوار تحلیل پوششی داده هاي شبکه اي سري، ضمن ارائه یک مورد مطالعاتی از صنعت بیمه کشور ایران، نسبت به تشریح و تجزیه و تحلیل مدل جدید اقدام نماییم.
.1مقدمه:
یکی از مهمترین حوزه هاي مدیریت و سیاست گذاري، بهبود کارایی واحدهاي فعال در بخش هاي مختلف صنعت می باشد. واضح است که منابع در دسترس بشر در طبیعت محدودند و استفاده هر چه بهتر از آنها به ستاده هایی با کمیت و کیفیت بیشتر منتهی می گردد. بحث کارایی نیز همواره در همین راستا بوده است. به طور ساده کارایی را نسبت ستاده یا میزان تولید و یا خروجی حاصل از سیستم به ورودي داده شده به سیستم تعریف می کنند. اگر تنها یک خروجی و یک ورودي داشته باشیم نسبت اولی به دومی همان کارایی است؛ اما اگر بیش از یک ورودي و یک خروجی داشته باشیم مجموع موزون خروجی ها به مجموع موزون ورودي ها کارایی را نشان می دهد.
براي تخمین کارایی شرکت هاي فعال در یک حوزه، روش ها و مدل هاي مختلفی ارائه شده است که هر کدام داراي نقاط ضعف و قوت مختلف هستند. یکی از مهمترین مدل هاي مورد استفاده در این حوزه مدلDEA می باشد که بیشترین کابرد را در تخمین کارایی و بهره وري شرکت ها داشته است. مدلDEAبر پایه برنامه ریزي ریاضی قرار دارد و جزء تکنیک هاي توانمند براي ارزیابی عملکرد و بهینه سازي شرکت ها و واحدهاي همگن به شمار می رود. واحدهاي همگن واحدهایی هستند که از ورودي هاي مشابه براي تولید خروجی هاي مشابه استفاده می کنند. از واحدهاي همگن می توان دانشگاه ها، بیمارستان ها، بانک ها، شرکت هاي توزیع برق و غیره را نام برد.
روشهاي تحلیل پوششی دادههاي کلاسیک توسط فارل ابداع[1] و بوسیله چارنز،کوپر و رودز جامعیت بخشیده شد.[2] روش کلاسیک سازمانها را بصورت جعبه سیاه در نظر گرفته و محاسبات خود را به وروديهاي اولیه و خروجیهاي نهایی محدود کرده و از فرآیندهاي داخلی غفلت میورزند. لذا بهمنظور بر طرف نمودن این مشکل مدلهاي مختلفی تحت عنوان تحلیل پوششی دادههاي شبکهاي NETDEA ارائه گردید.[3,4]
یکی از فرضیات پایه اي مدل NETDEAاصلی، وجود داده هاي دقیق براي واحدهاي تحت بررسی است. در صورت وجود داده هاي غیر قطعی، مدل NETDEAاصلی قادر به تخمین کارایی شرکت ها نمی باشد. به همین دلیل توسعه مدل هايNETDEA با داده هاي غیر قطعی یکی از حوزه هاي مهم تئوري و کاربردي در بحث تخمین کارایی می باشد. با توجه به اینکه در اکثر کاربردهاي واقعی، داده ها به صورت غیر قطعی هستند، توسعه مدل هاي NETDEA با این داده ها اجتناب ناپذیر می باشد.
در این مقاله قصد داریم تا به بررسی تکنیک بهینه سازي استوار - - RO و توسعه مدل DEA شبکه اي در فضاي RO بپردازیم. لذا با بررسی رویکردهاي مختلف بهینه سازي استوار، مدل هاي مختلف NETDEA بر اساس این رویکردها توسعه داده خواهند شد. پس از توسعه تئوریک مدل، جهت اجرا و مشاهده و تجزیه و تحلیل نتایج مدل؛ مورد مطالعاتی مناسب انتخاب و پس از تعیین متغییرهاي کلیدي مورد مطالعاتی، کارایی این واحدها با فرض وجود اغتشاش در داده ها محاسبه شده اند.
.2تحلیل پوششی دادهها
روشهاي سنتی براي ارزیابی کارایی واحدهاي تولیدي که یک ستاده دارند و یا در صورت داشتن بیش از یک ستاده در حالتی که بتوان این ستادهها را به یکدیگر - یا به یک واحد ستاده یکسان - تبدیل کرد، مناسب هستند. اما فرض کنید بخواهیم دو واحد دانشگاهی را از نظر کارایی با هم مقایسه کنیم و این واحدها بیش از یک ستاده داشته باشند.
بعنوان مثال دو نوع از این ستادهها تعداد مقالات چاپ شده و تعداد کتابهاي ویرایش شدهاي باشد که توسط اعضاي هیأت علمی نوشته یا ویرایش شدهاند و هیچ شاخصی جهت تبدیل یکی از این دو به دیگري وجود نداشته و در عین حال هیچ توافق کلی در مورد وزن یا اهمیت هریک از این دو وجود نداشته باشد. حال اگر بخواهیم از روش هاي قبلی، کارایی را ارزیابی و سپس مقایسه کنیم، عملاً غیرممکن است، زیرا ما ستاده واحدي جهت برآورد تابعی به عنوان تابع تولید مرزي نداریم. این مشکل یکی از مشکلات ارزیابی کارایی به روش تابع تولید مرزي است.
از طرفی در تمام روشهاي ارزیابی کارایی با استفاده از توابع تولید مرزي - پارامتریک - یک شکل خاص براي تابع تولید تصریح میشود و فروضی براي جزء تصادفی اعمال میشود که در عمل ممکن است نقض شود. براي حل این مشکلات روش تحلیلپوششیدادهها پیشنهاد شد. دراین روش براي ارزیابی کارایی هر واحد ابتدا یک واحد مجازي، به صورت ترکیب خطی از سایر واحدهاي تصمیمگیري ساخته میشود، سپس ستاده حاصل از این واحد تصمیمگیري مجازي را که با به کار بردن نهادهاي به میزان این واحد تصمیمگیري بدست میآید با ستاده واقعی آن مقایسه میکنند و به این ترتیب اقدام به ارزیابی مینمایند.
این ایده کلی در مورد تحلیل پوششی دادههاست. در روش تحلیل پوششی دادهها هر واحد تولیدي به عنوان یک واحد تصمیمگیري در نظر گرفته میشود که نهادهها و ستادهها براي تمامی این واحدها یکسان هستند. در این روش براي هر واحد، مجموع موزون ستادهها به نهادهها در نظر گرفته شده و سعی میشود که آن را ماکزیمم نمایند. البته در اینجا مشکل مشخص نبودن وزنهاست. براي این منظور مقادیر متفاوتی را به وزنها اختصاص داده و هر بار این نسبت را محاسبه میکنند تا این کسر حداکثر شود.
اما با این شرط که وزنهاي اختصاص داده شده، کارایی یک واحد دیگر از واحدهاي موجود را بیشتر از یک ننماید. زیرا کارایی همواره باید عددي بین صفر و یک باشد. توجیه اینکه این واحدها با یک استاندارد مشخص که از بهترین واحدهاي تحت ارزیابی ساخته میشود، مقایسه میشوند و در نتیجه میزان کارایی این واحدها حداکثر میتواند برابر آن مرز شود که در نهایت کارایی آن واحد برابر یک میشود.[5]
.3 مدلهاي اساسی تحلیل پوششی دادهها
مدلهاي اساسی تحلیل پوششی دادهها، هر کدام، به دودسته ورودي و خروجی محور تقسیم میشوند. در مدلهاي ورودي محور تاکید بر کاهش میزان ستانده ها جهت کارا شدن واحدهاي ناکاراست و در خروجی محور تاکید در افزایش میزان خروجی ها جهت کارا شدن واحدهاي ناکارا داریم. مدلهاي تحلیل پوششی داده ها از حیث ماهیت نیز به مدلهاي بازده نسبت به مقیاس ثابت و متغیر نیز تقسیم بندي می شوند.
در مدلهاي بازده نسبت به مقیاس ثابت - یا مدل - CCR فرض می گردد که خروجی هاي واحد هاي تصمیم گیري به همان نسبت افزایش در میزان ورودي ها، افزایش خواهند یافت ولی در متغیر - یا مدل - BBC این نسبت ثابت نبوده و می تواندبازده نسبت به مقیاس افزایشی یا کاهشی باشد - بنکر و دیگران، . - 1984 با توجه به توسعه گسترده اي که در مدلهاي تحلیل پوششی داده ها رخ داده است در این قسمت فقط به معرفی مدل پایه اي CCR بسنده نموده تا بتوانیم بیشتر مدل اصلی تحقیق را تشریح نماییم. جهت تعیین کارایی واحدهاي تصمیمگیري با ماهیت ورودي محور به صورت زیر میباشد که معروف به فرم CCR ورودي محور : مدل CCR - CRS - مدل [2]پوششی آن میباشد.
.4تحلیل پوششی داده هاي شبکه اي - - Network Data Envelopment Analysis
ایرادي که از سوي محققان به مدلهاي مرسوم تحلیل پوششی داده ها وارد می شود این است که این مدلها، سیستم ها را به مانند یک مجموعه بسته در نظر می گیرند و فرایندهاي داخلی سیستم عملکرد و روابط میان آنها را نادیده می انگارد. این دیدگاه که معروف به دیدگاه جعیه سیاه است، بسیاري از اطلاعات ارزشمند را در مورد واحد هاي تصمیم گیري از دست می دهد و تحلیل کارایی انها را به ورودي ها و خروجی هاي نهایی محدود می کند.[6-10] در واقع مدلهاي مرسوم تحلیل پوششی داده ها، در محاسبه کارایی سیستمهاي پیچیده و فرآیندهایی که متشکل از چند مرحله اند و داراي اندازه هاي میانی هستند، مشکل دارند و نمی توانند کارایی هر یک از فرآیندهاي داخلی را به درستی محاسبه کنند.[11]
